Python爬取Instagram数据&Python将图片转化为文字

PartⅠ: Instagram（以下称为Ins）指定用户的图片爬取

  Ins的图片没有办法像很多图片一样可以右键点击进行保存，很多时候是使用截屏的方式进行保存。不过在Python中，有对Ins数据进行抓取并保存的库，使用起来非常方便快捷。

       对Ins数据进行抓取的库为instagram-scraper，其下载地址为：https://pypi.python.org/pypi/instagram-scraper

    （当然啦，爬取Ins数据的前提是网络能够访问到Ins，Ins是属于Facebook的~So......）

     对于该库的安装，可以使用python自带的pip工具，安装命令如图所示（我已经安装，所以显示信息与安装过程不同）：

安装成功后，可以通过命令行：

instagram-scraper stanford

（stanford可以用任何想要爬取的用户名代替）

       这样，爬取的图片会存储在一个新创建的文件夹中，新建的文件夹为打开命令行时所在的目录（一般通过win + R 输入【cmd】打开，默认的目录为C:\Users\用户名）

       详细的安装和爬取目录，可以在instagram-scraper这个项目的github地址上查阅：https://github.com/rarcega/instagram-scraper

Part Ⅱ: 使用python专用库——pytesseract将图片中的文字转化为可以进行复制粘贴的文本

       tesseract按照Quora上一个用户的回答（下图所示），有两种使用方式，一种呢，是作为应用直接进行使用；另外一种是作为Python的一个库（个人感觉这种方式会比较好，因为可以使用Python的图像处理，来对要提取的文本进行突出，这个提取文本的库，是有点烂，待会儿图片吐槽，有图有真相~）

       图片中，两个超链接为： tesseract-ocr ，pytesseract 0.1.6

pytesseract库的安装，也是使用python自带的pip工具，输入命令：

pip install pytesseract

安装完成后，可以直接导入pytesseract库，对图片进行识别，进行识别的代码如下：

#-*- coding:utf-8 -*-
import pytesseract
from PIL import Image

# 使用pytesseract对英文进行识别
print(pytesseract.image_to_string(Image.open('textEng.png')))
# 使用pytesseract对中文进行识别
print(pytesseract.image_to_string(Image.open('textCh.png'), lang='chi_sim'))

# 使用pytesseract对中文和英文进行识别（使用的函数参数与上面相同，中文兼容英文）
print(pytesseract.image_to_string(Image.open('textench.png'), lang='chi_sim'))

进行识别的图片为：

图1 英文图片

图2 中文图片

图3 中英混搭图片

识别的结果为：

背景还算干净整洁，不过识别的结果却不尽如人意，不过比人手动输入要快多了呢~~~~~

最后，附上pytesseract的链接：

https://pypi.python.org/pypi/pytesseract